Question 2

2.1 You are working for a lending organization and your team is exploring novel methods for credit risk estimation. Your colleague claims that:  “Borrowers credit risk decreases when lenders use big data and ML-tools” .  Do you agree with this statement?  Explain your answer. [2 marks]

2.2  Regarding a potential implementation of CBDC, explain the reasons why a central bank might be reluctant to provide everyone with a direct account with the central bank. [3 marks]

2.3 What are the incentives for banks to share some of their proprietary information with credit reporting agencies and, by proxy, with their competitors? [3 marks]

2.4  Outline the objectives of financial regulation.  For each objective, explain whether it was met in the case of Wirecard. [3 marks]

2.5 You are building a ML model and would like to avoid biases in its output.  Describe the steps you would take to minimize potential occurrence of biases and explain how these steps are supposed to help. [2 marks]

2.6  Outline the steps of the wealth management process that we discussed in the class.  For each step explain, whether and how it can be automated. [4 marks]

2.7  Provide two examples of non-financial firms entering the lending market.  In each case, provide the reasons that might explain their decision to enter. [2 marks]

2.8 What incentives might a retail broker like Robinhood have to gamify trading experience for their customers? Explain your answer. [2 marks]

2.9 What are the two types of network effects that we discussed in the class?  Explain the differences between them and illustrate your answer. [4 marks]

[Total marks: 25]

Question 3

All questions below refer to the programming language Python.

3.1  Suppose you would like to store an inventory of student names together with the corre- sponding student marks for two modules, call them Module A and Module B. What data type would you use? Describe how you would arrange it and provide an example. [2 marks]

3.2  Describe what the following script does.  [Hint:  use the line numbers on the left to refer to a part of the code .]

1           def   add _ tx _mining ( block ) :

2                  difficulty = len ( block )

3                  chain =0

4                  while   chain < difficulty :

5                          if   block [ chain ]== "   " :

6                                 break

7                          print ( block [ chain ])

8                          chain +=1

9                  return   " End "

10

11           add _ tx _mining ( " West   End " )

What is its output? [6 marks]

3.3  Describe what the following script does.  [Hint:  use the line numbers on the left to refer to a part of the code .]

1           import   pandas   as  pd

2           fee =50

3           stones   =  pd . DataFrame ({ " Paid " :   [250 ,   350 ,   200 ,   100] , 4           " Volume " :   [5 ,   15 ,   5 ,   20]})

5           colors   =   [ " Black " , " Green " , " Blue " , " Red " ]

6           numbers   =   [1 ,2 ,3 ,4]

7           for   i   in   range (4) :

8                  numbers [ i ]  =   colors [3 - i ]

9           stones [ " Color " ]  =  numbers

10           stones [ " PPS " ]  =   stones . apply ( lambda   x :   ( x [ " Paid " ] - fee ) / x [ " Volume " ] , axis =1)

11           buy   =   stones [ " Color " ]   !=   " Red "

12           sell   =   stones [ " PPS " ]   >   10

13           trade   =   stones [ buy & sell ]

14           print ( trade )

What is its output? [6 marks]

3.4 Your team is working on a tool that would estimate housing rental rates with high precision. Your colleague has already built and trained a neural network model. However, the current results are short of the desired precision and the colleague is considering an increase to the number of neurons in one of the hidden layers of the model. Do you support this decision? Explain. Is there another route of action that you can recommend? [4 marks]